NAUKA Zezwala się na korzystanie z artykułu na warunkach licencji Creative Commons Uznanie autorstwa 3.0
Wpływ architektury i protokołów
komunikacyjnych na przepustowość
i czas nieprzerwanej pracy bezprzewodowych
sieci sensorowych
Tadeusz Goszczyński
Zespół Badań Podstawowych, Przemysłowy Instytut Automatyki i Pomiarów PIAP
Streszczenie: Sieci sensorowe, przeznaczone do zbierania
danych dotyczących środowiska oraz do lokalizacji i śledzenia obiektów poruszających się w przestrzeni, powinny być optyma-lizowane ze względu na wymagany jak najdłuższy czas nieprzer- wanej pracy jej węzłów oraz jak największą skuteczność prze-syłania zbieranych danych. W artykule przedstawiono matema-tyczne odwzorcowanie i analizę systemu sieci przedstawioną w formie programu liniowego, określającego czas nieprzerwanej pracy sieci oraz analizę przepustowości dla dwóch modeli sieci, jak również dla różnych algorytmów śledzenia ruchomych obiektów. Przedstawiono także przykład symulacji pracy sieci.
Słowa kluczowe: sieci bezprzewodowe, sieci sensorowe, czas
nieprzerwanej pracy, przepustowość sieci, symulacja
DOI: 10.14313/PAR_213/102
1. Wprowadzenie
Wraz z rozwojem bezprzewodowych sieci informatycznych oraz miniaturyzacją czujników powstają liczne koncepcje sieci czujnikowych przeznaczonych do zbierania różnych danych w przestrzeni badanej. Sieci te mogą być stosowane do monitorowania środowiska, w tym także do wykrywa-nia i śledzewykrywa-nia ruchomych obiektów. Postęp w technice pozwala obecnie na budowanie wyspecjalizowanych zmi-niaturyzowanych węzłów (tzw. sensor motes) z czujnikami oraz wbudowanymi własnymi źródłami zasilania. Są one coraz tańsze, a ich liczba w sieci może być o kilka rzędów wielkości większa od liczby węzłów stosowanych w trady-cyjnych sieciach bezprzewodowych. Wynika stąd możliwość i potrzeba opracowania nowych rozwiązań organizacyjnych i obliczeniowych.
Ze względu na konieczność rozmieszczenia w przestrzeni węzłów sieci pracujących bez możliwości dostarczenia ener-gii z zewnątrz, powinny one pobierać jak najmniejszą ilość energii a jednocześnie dostarczać odpowiednio dużą ilość informacji do centrali systemu. Te cechy systemu można
sprecyzować jako: czas nieprzerwanej pracy systemu oraz
przepustowość systemu. Wartość tej pierwszej zależy od
konstrukcji węzłów, wpływającej na ich wydajność ener-getyczną, a wartość drugiego parametru zależy od efek-tywności komunikacji samych węzłów oraz zastosowanej strategii i rozwiązań sieciowych całego systemu.
W artykule przedstawiono przegląd znanych z litera-tury rozwiązań oraz ich ocenę i propozycje przyszłych prac w tej dziedzinie. Plan artykułu jest następujący. W roz-dziale 2 przedstawiono podstawowe problemy zbierania danych w przestrzeni. W rozdziale 3 – matematyczne odwzorowanie problemu – w postaci programu liniowego. W rozdziale 4 zawarto analizę przepustowości systemu w zależności od wybranego typu komunikacji. W rozdziale 5 omówiono algorytmy stosowane w sieci do lokalizacji i śledzenia ruchomych obiektów, zaś w rozdziale 6 przed-stawiono wnioski i plan dalszych prac.
2. Zbieranie danych w przestrzeni
Bardzo rozpowszechnionym obszarem zastosowań bez-przewodowych sieci sensorowych jest analiza pola prze-strzeni. Celem takiej analizy jest uzyskanie, w czasie pracy systemu, danych dotyczących wybranych parametrów fizycznych w określonej przestrzeni: jedno-, dwu- lub trój-wymiarowej. Wynikiem pomiarów zrealizowanych w takiej sieci jest przedstawienie obrazu wartości, np. wilgotności powietrza w określonej chwili czasu w całej przestrzeni badanej. W tym celu wyniki pomiarów ze wszystkich węzłów sensorowych są przesyłane bezprzewodowo do jed-nego węzła „kolektora”, a czynności pomiarów i transmi-sji są powtarzane co określony odstęp czasu. Podstawowe kryteria oceny działania tego typu sieci to: czas nieprzer- wanej pracy systemu (wynikający z ograniczonej ilości energii magazynowanej w węzłach) mierzony w godzinach, oraz całkowita wielkość danych dostarczonych (w czasie nieprzerwanej pracy) mierzona w ilości danych dostar-czanych przy poborze jednej jednostki energii. Wartości tych parametrów, charakteryzujące jakość sieci, zależą od
przesyłania danych, zakresu transmisji i wymaganej mocy, a także od zastosowanej strategii routingu.
3. Matematyczne odwzorowanie
– program liniowy
Do analizy jakości pracy sieci sensorowych stosowane są różne metody matematyczne. Przy pewnych założeniach upraszczających możliwe jest utworzenie matematycznego modelu biorącego pod uwagę takie cechy jak: ilość ener-gii dostępna w węźle, ilość enerener-gii potrzebna do działania czujnika i transmisji danych oraz rozmieszczenie węzłów w terenie. Model ten może być następnie wykorzystany do optymalizacji systemu w celu zwiększenia do maksimum czasu pracy systemu lub ilości zebranych danych do czasu zużycia dostępnej energii.
Autorzy w [1] przedstawiają analizę systemu w for-mie programu liniowego sformułowanego dla sieci z gęsto instalowanymi węzłami sensorowymi. Ich rozmieszczenie dość dokładnie oddaje wzór wykorzystujący ciągłą funkcję gęstości ( ), gdzie (x,y) oznacza dowolny punkt w prze-strzeni badanej. Z kolei gęstość energii e( ) przedstawia ilość energii w polu (w dżulach na jednostkę przestrzeni), a funkcja gęstość informacji i( ), wyrażona w bitach na jednostkę czasu na jednostkę powierzchni, reprezentuje ilość energii wytwarzanej przez źródło informacji. A repre-zentuje przestrzeń, w której węzły sensorowe są rozmiesz-czone, a C to przestrzeń, w której ulokowane są węzły zbierające dane typu sink. Przepływ f( , ’) oznacza sumę danych przesyłanych z punktu do punktu ’ (w bitach na jednostkę powierzchni).
Przy założeniu, że wartość gęstości informacji i( ) jest znana, maksymalne zwiększenie czasu t jest równoznaczne z maksymalnym zwiększeniem całkowitej sumy danych dostarczonych w tym czasie.
σ∈Α
∫
s s f max t i d( ) ~max t (1) gdzie: (2) (3) przy ograniczeniach: f(s, s′) 0≥ , ∀s, s′∈ Α ∪C f(s, s′) 0≥ , ∀s, s′∈ Α ∪C (4)4. Przepustowość systemu
Przepustowość systemu zależy między innymi od przyję-tego modelu uwzględniającego rozchodzenie się fal radio-wych w jego przestrzeni. W przedstawionych [2] modelach propagacji A1 i A2 moc odebrana jest różna. W modelu A1, w którym węzły położone są daleko od siebie wynosi , a w modelu gęsto rozmieszczonych węzłów A2 jest określona przez P/(1 + xi,j) , gdzie: xi,j – odległość między węzłami i oraz j; – stała strat; P – moc nadawania.
Model A1 jest stosowany przy transmisji na duże głości. Nie sprawdza się w przypadku bardzo małych odle-głości, ponieważ wykazuje wzmocnienie mocy odbieranej dla xi,j < 1. W tym modelu transmisja od węzła i do węzła
j będzie możliwa, gdy:
(7) gdzie: N – poziom szumu otoczenia, G – wzmocnienie przetwarzania, – stosunek poziomu sygnału do szumu.
Natomiast w modelu A2 transmisja będzie możliwa, gdy:
(
)
(
)
(
)
k j k n k j k k i P x N G P x , , 1, / 1 1/ / 1 α α = = ≠ + ≥ +∑
+ b (8)Model A2 jest uniwersalny – nie wykazuje wzmocnienia mocy odbieranej (jak w A1), a przy dużych odległościach daje wyniki bardzo podobne do modelu A1.
4.1. Model transmisji typu jeden do jednego
Wykres przepustowości dla scenariusza: wieleprzesyłają-cych w trybie jeden do jednego dąży asymptotycznie do
maksimum dla liczby węzłów dążącej do nieskończoności. Przy dodatkowym założeniu, że każdy węzeł ma maksy-malną szybkość transmisji W (bit/s) wykazano, że zdolność przesyłowa węzła wynosi:
bit-m/s (9)
i jest uzyskana wtedy, gdy moc transmisji P jest mini-malna, konieczna do nawiązania połączeń. Warunkiem do uzyskania górnej granicy przepustowości jest wyznaczenie dopuszczalnego poziomu transmisji jednoczesnych. W obu modelach istnieje graniczna liczba jednoczesnych skutecz-nych transmisji. Liczba ta rośnie ze wzrostem liczby węzłów
n, gdyż moc jest zmniejszona do minimum koniecznego do
NAUKA
W pracy [3] rozważono ten problem dla modelu A2 z dodatkowym założeniem, że węzły mogą odbierać wiele przesyłek w tym samym czasie. Jest to bardziej reali-styczne dla małych odległości, gdy odbiornik nie musi wzmacniać sygnału. W tym modelu liczba jednoczesnych transmisji jest zwiększona o wartość stałą niezależną od wartości n (a nie rosnącą wraz z n, jak dla modelu A1).
Dla modelu A1, gdy węzły znajdują się dowolnie blisko siebie, moc P może być mniejsza, gdy liczba jednoczesnych transmisji rośnie wraz ze wzrostem n. Z drugiej strony dla modelu A2 nie może ona spaść poniżej pewnej wartości nawet wtedy, gdy węzły bardzo zbliżą się do siebie.
Dlatego przepustowość w tym modelu wynosi , podczas gdy dla modelu A1 to . Jak widać, model A1 ma tendencję do prezentowania bardziej opty-mistycznych wyników, zakłada bowiem możliwy wzrost liczby jednoczesnych transmisji wraz ze wzrostem n.
4.2. Model transmisji wiele do jednego
Model ruchu w sieci typu wiele do jednego jest realizowany wtedy, gdy dane z wielu węzłów czujników są przetwarzane w jednym węźle typu kolektor. W [4] wykazano, że przy większym zakresie transmisji przepustowość węzła sieci, określona jako (1/n·f(r,Δ)), osiąga większe wartości, gdzie: r – zakres transmisji, f (r,Δ) jest funkcją malejącą r. Występuje tu sytuacja odwrotna niż w systemie reali-zującym wielu transmisji typu jeden do jednego, w któ-rym większa przepustowość jest uzyskiwana dla przypadku najmniejszego zakresu transmisji. Autorzy wykazali też, że przy stosowaniu transmisji w sieci typu wiele do jednego z klastrów (jeśli węzły prowadzące klastrów są w zasięgu jednego przeskoku od kolektora), przy braku interferencji między tymi dwoma warstwami można uzyskać przepu-stowość równą W/n. W [5] wykazano, że korzystne jest stosowanie dwustopniowej transmisji, w której najpierw węzeł-źródło przesyła sygnał do kilku najbliżej położonych węzłów-sąsiadów, a następnie wszystkie te węzły przesy-łają dane do węzła-kolektora w trybie współpracy. Pod-czas wykonywania takiej operacji kolejno przez wszystkie węzły-źródła w sieci o modelu A1, przepustowość każdego węzła może być zwiększona do Θ(log n/n).
5. Algorytmy lokalizacji i śledzenia
ruchomych obiektów
Węzły sieci sensorowej przeznaczonej do śledzenia w prze-strzeni obserwowanej poruszających się obiektów mogą współpracować ze sobą w tym celu, stosując różne algo-rytmy pracy. W literaturze opisano wiele takich rozwiązań. Na przykład algorytm przedstawiony w [6] wybiera różne węzły do współpracy, optymalizując w dynamiczny sposób przydatność uzyskanych danych w odniesieniu do ilości energii zużytej na komunikację miedzy węzłami i obli-czenia w tych węzłach. Wymaga to skutecznego wyboru tylko tych węzłów, które posiadają najbardziej przydatne informacje. W tym celu zaproponowano następujące kry-teria oceny: jakość wykrywania obiektów, jakość śledzenia
wykrytych obiektów, możliwość jednoczesnej pracy nad wieloma obiektami, niezawodność oraz wydajność energe-tyczna. Podczas pracy takiego systemu ważniejsza jest faza śledzenia obiektów niż ich wykrywanie. W tej fazie musi być zawsze aktywny jeden węzeł prowadzący i wybierający następny węzeł prowadzący oraz przesyłający do niego informacje dotyczące śledzenia. Przy tworzeniu takiego systemu przyjęto założenie, że jeżeli aktualne położenie obiektu oznaczymy jako x, to każdy kolejny pomiar poło-żenia zj zostanie wykorzystany do określenia nowego przy-puszczalnego położenia obiektu p(x|z1, …, zj-1, zj) przez wykorzystanie w nim bieżącej oceny (estymaty) położenia
p(x|z1, …, zj-1).
Sposób wyboru takiego węzła j, aby dawał on mak-symalną korzyść w zwiększeniu jakości oceny przy jak najmniejszym zużyciu energii, stanowi problem optymali-zacyjny określany przez parametry: zysk informacji i zuży-cie energii w systemie. Określa to poniższe równanie:
(10) gdzie: Φinf 0 – zysk informacji, Φenerg – zużycie energii, – względna waga tych parametrów.
Protokół śledzenia w zaproponowanym algorytmie określa następujące po sobie kolejne czynności/zadania. Użytkownik wysyła zapytanie do sieci węzłów śledzących. Wiedza zgromadzona wcześniej w czasie pracy systemu (lub nauki systemu) pozwala skierować to zapytanie do obszaru sieci, w którym jest największe prawdopodobień-stwo pobytu obiektu. Węzeł prowadzący tworzy estymatę położenia obiektu oraz wyznacza – jako następnego pro-wadzącego – węzeł, który ma aktualnie najlepszą cha-rakterystykę w zakresie swojego położenia, cech czujnika i przewidywanego wkładu danych. Następnie przekazuje mu zestaw obecnie posiadanych informacji o położeniu obiektu. Wyznaczony nowy węzeł prowadzący przez połą-czenie własnej bieżącej oceny z oceną otrzymaną, obli-cza nowe położenie obiektu i na jego podstawie wybiera i wyznacza kolejny węzeł prowadzący. Proces ten jest kontynuowany w przedstawiony sposób aż do zakończe-nia zadazakończe-nia, przy czym co pewien określony czas aktualny węzeł prowadzący, wykorzystując algorytm najkrótszej ścieżki routingu, przesyła informacje o bieżącym położe-niu obiektu z powrotem do węzła generującego zapytanie. Inny algorytm śledzenia, wykorzystujący rozproszone przetwarzanie danych do śledzenia obiektów, przedsta-wiono w [7]. Charakteryzuje się on tym, że wszystkie czujniki najpierw określają, czy obiekt znajduje się w ich zakresie wykrywania, a następnie współdziałają z sąsied-nimi węzłami i na podstawie zebranych danych opraco-wują statystyczną interpretację aproksymacyjną w celu wyznaczenia trajektorii ruchu obiektu. Zakłada się tu, że węzły sensorowe są równomiernie rozmieszczone w prze-strzeni nadzorowanej oraz, że jeżeli ich zakres pomiarowy
gdzie e = 0,1R. Trajektoria obiektu jest aproksymowana za pomocą odcinków linii prostej i przy założeniu stałej pręd-kości obiektu. Każdy węzeł rejestruje czas, w jakim obiekt znajduje się w jego zakresie pomiarowym, a następnie węzły wymieniają między sobą dane: czas obserwowania obiektu w ich zakresie pomiarowym, dane identyfikacyjne oraz lokalizację węzła. Pozycja obiektu jest w określo-nych odstępach czasu wyznaczana jako średnia ważona wszystkich pomiarów. Wagi są wyznaczane jako wielkości proporcjonalne do czasu przebywania obiektu w zakresie pomiarowym każdego z węzłów. Algorytm wyznaczania trajektorii obiektu stosuje regresję nieliniową metodą naj-mniejszych kwadratów. Ekstrapolacja pozwala na wyzna-czenie dalszej trajektorii obiektu w celu asynchronicznego budzenia do pracy kolejnych węzłów sensorowych. W tym systemie przyjmuje się założenie, że węzły znają swoje położenie w przestrzeni oraz że ich zegary są zsynchroni-zowane. Gęstość rozmieszczenia węzłów musi być odpo-wiednio duża, aby ich zakresy pomiarowe nakładały się częściowo na siebie, a węzły muszą odróżniać wykrywany obiekt od reszty ich otoczenia. Można stosować różne tech-niki ważenia: wagi równe dla wszystkich, metodą heury-styczną:
(11) gdzie: ti – czas obserwowania obiektu przez czujnik, lub wyznaczając wagi odwrotnie proporcjonalne do odległo-ści węzła od trasy obiektu. Korzystniejszy jest ten drugi sposób. Obliczanie trasy wymaga tu zebrania w jednym centralnym węźle wszystkich wykrytych pozycji. W celu minimalizacji opóźnienia oraz obciążenia pasma transmi-sji, niektóre węzły są stosowane w systemie jako bramy do zewnętrznych sieci mających większe możliwości obli-czeniowe. Sieć taka jest zorganizowana w logiczne drzewa wychodzące z każdej bramy. Każdy węzeł-wierzchołek zbiera dane od swoich węzłów-dzieci, a następnie wysyła je do najbliższej, wyżej położonej bramy lub do bramy najmniej obciążonej.
Protokół działa bardzo dobrze w systemach o dużym obciążeniu i o dużych wymaganiach czasowych. Może on w ciągły sposób usprawniać system i doskonalić oblicze-nia ścieżki ruchu obiektu, łącząc dawniej zebrane dane z danymi uzyskiwanymi na bieżąco. Taki protokół ma też tę zaletę, że przy większej liczbie i większej gęstości położe-nia węzłów uzyskuje się bardziej dokładny wynik położepołoże-nia ścieżki obiektu, jeżeli wszystkie węzły w pobliżu obiektu są wybudzone ze stanu uśpienia. Protokół może zmieniać te parametry w zależności od potrzeby dokładności wyzna-czania trasy obiektu. Wadą tego protokołu jest brak moż-liwości wykrywania wielu obiektów równocześnie i brak odporności na fałszywe odczyty czujników.
Inną metodę opisują autorzy w [8], przedstawiając rozwiązanie problemu w systemie opartym na czujnikach
i węzłach o dużych możliwościach obliczeniowych i zdolno-ści rozróżniania. Takie węzły mogą mieć zdolność do samo-konfiguracji i tworzyć system odporny na zakłócenia dzięki zapewnieniu współpracy kilku czujników przy określaniu położenia obiektu. Przy zastosowaniu trybu oszczędzają-cego energię węzły analizują trasę ruchu obiektu, przewi-dując jego dalsze położenie i wybudzają tylko te czujniki, które znajdują się w pobliżu trasy obiektu, a komunikacja jest wtedy ograniczana do węzłów położonych w pobliżu (aktualnej i przewidywanej) trasy obiektu. Węzły w tym systemie są rozmieszczane w przestrzeni w sposób przy-padkowy, lecz znają swoje położenie i mają czujniki pozwalające na określenie odległości obiektu od węzła. Co określony czas następuje odczyt z czujnika i jeżeli obiekt jest obecny, to dane o jego odległości od węzła oraz o loka-lizacji węzła są wysyłane do całej sieci. Ponieważ węzeł nie określa pozycji obiektu, a jedynie odległość do obiektu, to do wyznaczenia jego pozycji w przestrzeni wykorzystuje się metodę triangulacji. Każdy węzeł, który skompletuje trzy przesyłki (lub dwie i pomiar własny), oblicza położenie obiektu w przestrzeni. Jeśli odebrane zostaną dwie różne w czasie przesyłki z informacją o położeniu tego obiektu, to możliwe będzie wyznaczenie kierunku ruchu obiektu linią prostą przez te dwa punkty lub w bardziej zaawansowany sposób krzywą ruchu.
Gdy zostanie już wyznaczona trajektoria ruchu obiektu, węzły o określonej odległości d od tej trajektorii wysyłają przesyłkę ostrzeżenie podającą lokalizację nadawcy oraz parametry aproksymujące trajektorię linią prostą. Węzły znajdujące się w określonej odległości retransmitują tę przesyłkę. Aby zoptymalizować transmisję owych przesy-łek ostrzegawczych, ich przesyłanie jest ograniczone tylko do kierunku ruchu obiektu. W tym celu węzeł odbiera-jący ostrzeżenie wyznacza linię prostopadłą do trajektorii ruchu i przechodzącą przez niego (rys. 1). Linia ta oddziela dwa obszary S1 i S2, przy czym ruch obiektu odbywa się
Rys. 1. Wyznaczanie trajektorii ruchu obiektu Fig. 1. Trajectory estimation for moving object
NAUKA
w kierunku S2. Węzeł przesyła komunikat ostrzegawczy dalej tylko wtedy, gdy znajduje się on w zdefiniowanej wcześniej odległości i jeżeli odebrał przesyłkę od węzła leżącego w obszarze S1. Przedstawiona na rysunku grubsza linia pionowa określa trajektorię ruchu obiektu. Protokół ten zapewnia skalowalność systemu i oszczędność energii, lecz podobnie jak poprzednio przedstawiony, nie umożliwia jednoczesnej obserwacji wielu obiektów.
6. Symulacja pracy sieci
W celu oceny pracy sieci dla różnych protokołów trans-misji stosuje się różnego typu symulatory pracy sieci, np. utworzone w środowisku obliczeniowym MATLAB/Simu-link. Przykładem może być praca [9], w której m.in. przed-stawiono porównanie wykonane przy wykorzystaniu bazy MIT Reality za pomocą nowego protokołu DRP (ang.
delay-based routing protocol) ze znanymi już protokołami
FAD [10], Direct Transmition (DT) oraz Epidemic [11]. W przedstawionym protokole DRP węzeł typu sink wysyła okresowo przesyłkę typu hello. Każdy węzeł oblicza wyznaczone szacunkowo opóźnienie dostarczenia danych, określone na podstawie odebranej przesyłki typu hello i przyjmuje tę wartość jako podstawę do obliczeń zdolno-ści dostarczania przesyłek. Gdy spotykają się dwa węzły, to przesyłka jest przekazywana dalej (ang. forward) do węzła, który ma mniejszą szacunkową wartość opóźnienia. Aby ograniczyć przepełnienie w transmisji opracowano schemat zarządzania kolejką przesyłek, który na podstawie ran-kingu przesyłek i ranran-kingu czasu życia wyznacza decyzję o transmisji przesyłki lub jej odrzuceniu.
W pozycji [12] wykazano, że istnieje regularność i powtarzalność w życiu każdego człowieka i wysnuto wniosek, że ludzka mobilność jest przewidywalna w 93 %. Autor przedstawił wyniki badań mobilności użytkowników telefonów w ciągu 3 miesięcy i przedstawił je na wykresie, na którym widać, że jednorazowe dłuższe badanie może być podstawą do wyciągania wniosków na przyszłość.
W pracy [9] przedstawiono problem czujników noszo-nych przez ludzi, które działają w sieci typu DTMSN (ang.
Delay Tolerant Mobile Sensor Network). W systemie tym
każdy węzeł zawierający czujnik wylicza szacunkowy czas
opóźnienia dostarczenia danych i określa tę wartość jako wskaźnik zdolności dostarczania przesyłek, przy czym im mniejsze jest opóźnienie, tym większa zdolność dostar-czania węzła czujnikowego. Gdy spotykają się dwa takie węzły, to przesyłki z danymi są przesyłane dalej (przesyłką
forward) do węzła o mniejszym opóźnieniu.
Do badań jakości wykorzystano przy symulacji nastę-pujące dane: poziom skuteczności dostarczenia danych, opóźnienie dostarczenia danych oraz liczbę dostarczonych kopii każdej z przesyłek (overhead). W wyniku symulacji czterech różnych protokołów określono, że protokół typu DRP dał najlepsze wyniki (tab. 1).
Jak wynika z symulacji, protokół DRP zapewnia wyż-szą skuteczność dostarczania przesyłek przy relatywnie mniejszym czasie opóźnienia (dostarczania) przy zbliżonej do protokołu FAD liczbie nadmiarowych kopii. Transmi-sja bezpośrednia DT zapewnia mały nadmiar kopii, lecz ma bardzo mały współczynnik skuteczności dostarczania. Protokół typu Epidemic ma najwyższy wskaźnik kopii przy małej wartości wskaźnika skuteczności dostarczania prze-syłek.
7. Wnioski
Wyniki przeprowadzonych analiz zostaną wykorzystane w dalszych pracach dotyczących zastosowania robotów mobilnych do poprawy jakości sieci sensorowych [13], a także sieci przemysłowych. Dlatego pożądane jest two-rzenie nowych metod analizy wpływu różnych sposo-bów oceny jakości na wyniki oceny. Pożądane jest także opracowanie praktycznych algorytmów umożliwiających dokładniejszą ocenę systemów sieci sensorowych, także dla przesyłu. Pomocne mogą tu być nowe wydajne algorytmy dla warstw sieci MAC i network.
Większość opisanych w literaturze charakterystyk jakości sieci dotyczy architektury płaskiej, a architektura hierarchiczna nie została jeszcze dostatecznie szeroko zana-lizowana. W analizach systemów coraz trudniejsze staje się modelowanie tych elementów i ich jakości. Potrzebne jest uzyskiwanie coraz lepszych uogólnionych przedstawień systemów (abstraction) i dokładniejszych modeli ich ele-mentów. Powstają w związku z tym nowe koncepcje, w
któ-Tab. 1. Wyniki badań symulacyjnych Tab. 1. Results of simulations
DRP FAD DT Epidemic
skuteczność dostarczenia przesyłek [%] 90,7 87,5 46,4 76,1
liczba dostarczonych kopii [szt.] 6,1 6,2 1,0 9,3
opóźnienie [s] 525 623,1 993,4 405,2
obiektu. W tym systemie najpierw określana jest różnica kierunków uzyskanych z tej sieci. Następnie z odczytów uzyskuje się kierunek odniesienia dokładnie wykalibrowa-nej podsieci i wynik ten jest odporny na płynięcie w cza-sie charakterystyk kanałów pomiarowych. W systemach rozproszonego przetwarzania danych stosowane są różne protokoły zarządzania siecią, typy architektury i struktury sieci oraz algorytmy pracy.
W kolejnych publikacjach dotyczących przeglądu rozwiązań systemów do śledzenia ruchomych obiektów przedstawione zostaną m.in. protokoły umożliwiające for-mowanie grupy spośród węzłów sieci sensorowej i tworzenie jednocześnie kilku grup, gdy potrzebne jest śledzenie kilku obiektów jednocześnie. Omówione zostaną strategie roz-mieszczania czujników w badanej przestrzeni i architektury sieci wykorzystujące hierarchiczne oraz heterogeniczne sze-rokopasmowe sieci sensorowe [13]. Przedstawione zostaną także kierunki prac badawczych, w których zostaną pod-dane analizie nowe modele i wyniki działania różnych sce-nariuszy dla dokładniejszych modeli w celu określenia nierozpoznanych wcześniej ich wad i/lub zalet. Na przy-kład, wpływ czasu pracy systemu na przepustowość może wynikać z wybierania tras zwiększających czas pracy sys-temu, może to jednak w efekcie powodować powstawanie wąskich gardeł na tych trasach i zmniejszenie przepusto-wości całości sieci.
Bibliografia
1. Duarte-Melo E.J., Liu M., Misra A., An effcient
and robust computational framework for studying life-time and information capacity in sensor networks,
„ACM Kluwer MONET“ (special issue), 2004. 2. Gupta P., Kumar P.R., The capacity of wireless
network, ”IEEE Trans. Inform Theory”, Vol. 46,
No. 2, March 2000. DOI: 10.1109/18.825799.
3. Arpacioglu O., Hass Z., On the scalability and capacity
of wireless networks with omnidirectional antennas,
[w:] Proc. Int. Workshop on Information Processing
in Sensor Networks – IPSN’04, Berkeley, CA, April
2004. DOI: 10.1145/984622.984648.
4. Duarte-Melo E.J., Liu M., Misra A., Data gathering
wireless sensor networks: Organization and capacity,
“Wireless Sensor Networks”, Vol. 43, No. 4, 2003. DOI: 10.1016/S1389-1286(03)00357-8.
5. El Gamal H., On the scaling laws of dense
wire-less sensor networks, “IEEE Trans. Inform Theory”,
March 2005.
6. Zhao F., Shin J., Reich J., Information-driven
dyna-mic sensor collaboration for tracking applications,
“IEEE Signal Proces. Mag.”, March 2002.
7. Mechitov K., Sundresh S., Kwon Y., Agha G.,
Coope-rative tracing with Binary-Detection Sensor Networks,
DOI: 10.1109/VETECF.2003.1286181.
9. Hui Z., Ming L., A Delay-Based Routing Protocol
for Human-Oriented Delay Tolerant Mobile Sensor
Network (DTMSN), [w:] 32nd International Conference
on Distributed Computing Systems Workshops, 2012.
10. Wang Y., Wu H., Delay/fault-tolerant mobile
sen-sor network (dft-msn): a new paradigm for pervasive information gathering, “IEEE Transactions on Mobile
Computing“, Vol. 6, No. 8, 2005.
11. Vahadat A., Becker D., Epidemic Routing for
Par-tially Connected ad hoc Networks, Technical Report
Vol. CS-200006, Durham, 2006.
12. Song C., Qu Z., Blumm N., Barabasi A., Limits of
Predictability in Human Mobility, “Science”, Vol. 327,
Issue 5968, 2010. DOI: 10.1126/science.1177170. 13. Goszczyński T., Pilat Z., Considerations on Methods
for Best Position Evaluation for Mobile Robot Node to Improve Coverage of Wireless Sensor Network. [w:]
ROBTEP 7–9.06.2010, Bardejov, Słowacja.
The impact of architecture and algorithms
used in sensor networks on its throughput
and lifetime
Abstract: Wireless sensor networks can be used for
localiza-tion and tracking of moving targets. The article presents mathe-matical analysis of lifetime and throughput for two types of network structures and different algorithms used. Valuation of results obtained is presented.
Keywords: wireless networks, sensor networks, network
life-time, network throughput
Artykuł recenzowany, nadesłany 11.01.2014 r., przyjęty do druku 08.09.2014 r.
mgr inż. Tadeusz Goszczyński
Absolwent Wydziału Elektrycz-nego Politechniki Warszawskiej. Od 1971 r. pracuje w PIAP. Autor ponad 30 publikacji w czaso- pismach technicznych i jednego podręcznika. Główny Wyko-nawca 3 Projektów Celowych dotyczących zautomatyzowanych stanowisk pomiarowych. Autor 15 patentów. Laureat Zespo-łowej Nagrody Państwowej II st. oraz Mistrza Techniki – War-szawa 2002, NOT.
